Dirbtinio intelekto panaudojimas tvarioje skaitmeninėje įmonėje

Norėdamos išlaikyti pranašumą, įmonės privalo tapti tvariomis skaitmeninėmis įmonėmis. Naudodamosi pažangiomis technologijomis, šios įmonės taip pat gali padidinti lankstumą ir efektyvumą. Šioje diskusijoje daugiausia dėmesio skiriama dirbtinio intelekto vaidmeniui gerinant gamybos kokybę, produkto pateikimo į rinką laiką ir išteklių naudojimo efektyvumą šiuolaikinėse gamyklose.

Istorijos eigos formavimas

Istorijos eigą formavo novatoriški mąstytojai, sugebėję sugalvoti naujoviškus būdus spręsti iškilusius uždavinius. Iš tiesų, akmens amžius baigėsi ne todėl, kad mums pritrūko akmenų, o dėl to, kad buvo sukurti nauji ir veiksmingesni to meto problemų solutions

AAteitis formuojasi panašiu būdu. Daugiamačiai pokyčiai, apimantys verslą, visuomenę ir technologijas, kelia naujus iššūkius šiuolaikinėms įmonėms. Norėdamos įveikti šiuos iššūkius, įmonės turės diegti naujoves ir taikyti naujus verslo valdymo metodus. Konkrečiai tariant, įmonės turi tapti tvariomis skaitmeninėmis įmonėmis, kad galėtų valdyti produktų ir gamybos ciklus tiek realiame, tiek skaitmeniniame pasaulyje.

Pagrindinis skaitmeninės įmonės bruožas – gebėjimas sujungti realųjį ir skaitmeninį pasaulius, rinkti duomenis iš veiklos ir paversti juos įžvalgomis, kurios skatina tobulėjimą realiame pasaulyje. Šių dviejų pasaulių sujungimas užtikrina duomenų srautą tarp visų su produkto, gamybos ir paslaugų gyvavimo ciklu susijusių suinteresuotųjų šalių. Šis laisvas duomenų srautas žymiai padidina skaitmeninės įmonės gebėjimą prisitaikyti prie rinkos poreikių, sparčiau diegti naujoves ir gerinti kokybę, tuo pačiu mažinant anglies dioksido išmetimą ir išteklių naudojimą

Svarbiausi dalykai:

Svarbios tvarios skaitmeninės įmonės savybės
Kaip dirbtinis intelektas integruojamas į tvarias skaitmenines įmones
Kaip gamintojai šiandien gali panaudoti dirbtinį intelektą, kad prisidėtų prie dekarbonizacijos pastangų ir pagerintų kokybę bei sutrumpintų produkto pateikimo į rinką laiką

Gamybos įmonės darbininkas, valdantis įrangą elektronikos gamybos ceche

Du darbuotojai vaikšto ir šnekučiuojasi „Siemens Electronics“ gamyklos cecho salėje Erlangene.

digital transformation kelionė: „Siemens Electronics“, Erlangenas”

Siemensas moderni elektronikos gamykla Erlangene, Vokietijoje susidūrė su tais pačiais iššūkiais, kuriuos bando įveikti daugelis gamintojų. Gamyklai reikėjo rasti produktų gamybos būdų, pirmenybę teikiant dekarbonizacijai, greičiui, kokybei ir ekonominiam efektyvumui. “Siemens” elektronikos gamykla Erlangene, gaminanti SINAMICS dažnio keitiklius ir SINUMERIK CNC valdiklius “Siemens” ir jos klientams, taip pat turėjo naršyti išmaniųjų, skaitmeninių solutions integravimą į senąją infrastruktūrą ir sistemas gamykloje.

Gamykla pripažino, kad šių iššūkių neįmanoma įveikti be skaitmeninimo, kad būtų tęsiama nuolatinė transformacija į tvarią skaitmeninę įmonę, kuri prasidėjo dešimtmečiais anksčiau. Skaitmeniniai solutions inžinerijai, parduotuvių grindų valdymui, produkto gyvavimo ciklo valdymui ir kt. suteikia pagrindą. Juos įdiegus, galima sukurti pažangesnes technologijas ir funkcijas, kurios dar labiau pagerintų “Erlangen” veiklą.

Pramoninis dirbtinis intelektas (DI) yra viena iš pažangiausių technologijų, naudojamų gamykloje. Tuo tarpu, kai vartotojams skirtas DI gali padėti sukurti vestuvių kalbos tekstą ar vaizdus socialinių tinklų profiliui, gamykloje įdiegtos industrial AI sistemos valdo mašinas, koordinuoja gamybos procesus ir analizuoja duomenis, kad nustatytų veiklos rezultatus bei padėtų priimti sprendimus. Šios industrial AI sistemos turi būti tvirtos, patikimos ir įrodytai saugios net ir dirbant glaudžiai bendradarbiaujant su žmonėmis.

Šiandien panagrinėkime, kaip „Siemens“ elektronikos gamykla Erlangene naudoja pramoninio lygio dirbtinį intelektą, siekdama paskatinti dekarbonizaciją, pagerinti kokybę ir sutrumpinti produkto pateikimo į rinką laiką..

digital transformation kelionė: „Siemens Electronics“, Erlangenas

Prieš pradedant tobulinti procesus, mašinas ir sistemas, juos būtina išsamiai išanalizuoti, surinkus ir išnagrinėjus duomenis. Kasdienės veiklos metu skaitmeninė įmonė generuoja milžiniškus duomenų kiekius. Gamybos aplinkoje tai gali apimti informaciją apie įvairių sistemų ir visos gamyklos energijos suvartojimą, našumo duomenis, realaus laiko veiklos duomenis, gaunamus iš prijungtų mašinų, ir dar daugiau. Šių duomenų rinkimas ir supratimas yra labai svarbus šiuolaikinės skaitmeninės gamyklos valdymui, tačiau dėl milžiniško duomenų kiekio jų agregavimas ir analizė tampa sudėtingu uždaviniu.

Darbuotojas patikrina nešiojamąjį kompiuterį parduotuvės aukšte.

Industrial AI: efektyvumas, greitis, kokybė

Laimei, sujungti skaitmeninės įmonės duomenų srautai suteikia auksinę galimybę taikyti AI pagreitinti šių didžiulių duomenų rinkinių analizę. Tai paskatins optimizacijas įvairiems gamyklos aspektams tiek parduotuvės aukšte, tiek kitose sistemose daug greičiau nei anksčiau. Pavyzdžiui, “Siemens” elektronikos gamykla Erlangene panaudojo visos gamyklos duomenis, kad įdiegtų pažangias energijos vartojimo efektyvumo priemones, sumažindama energijos suvartojimą 25%, o grynąjį anglies pėdsaką - 50%. Be to, tiksliniai gamybos efektyvumo pagerinimai padėjo 50% sumažinti kiekvienam produktui gaminti sunaudojamą energiją.

Dirbtinis intelektas taip pat įgalina tikras nuspėjamąsias techninės priežiūros schemas, kad mašinos prastovos niekada nenuostabu gamyklos operatoriams. Mašinų ir techninės priežiūros duomenys analizuojami ir lyginami su ankstesniais atvejais, siekiant nustatyti modelius ir galimus solutions. Gamykla naudoja prognozuojamą techninę priežiūrą frezavimo procese, kuris vyksta kaip spausdintinių plokščių gamybos dalis. Frezavimo proceso metu susidaro smulkios dulkės, kurios kaupiasi ant frezavimo verpstės ir gali trukdyti suktis verpstams arba, pakankamai susikaupus, sukelti neplanuotas prastovas. Siekiant išvengti tokių brangių vėlavimų, prognozuojamasis techninės priežiūros sprendimas stebi veleno srovę ir greitį, kad būtų galima stebėti anomalijas ir netgi numatyti būsimas kritines būsenas.

Pažangūs procesai yra geresni procesai

Pažangūs procesai – tai geresni procesai. Dirbtinis intelektas gali iš esmės pakeisti atskirus procesus ir mašinas, netgi sudarydamas sąlygas glaudesniam žmonių ir robotų bendradarbiavimui gamybos ceche efektyviu ir saugiu būdu. Siemens elektronikos gamykloje Erlangene dirbtinis intelektas ir kompiuterinis regėjimas leidžia robotų rankoms paimti ir padėti detales su tokiu pačiu lankstumu ir vikrumu, kaip ir žmogui. Tradicinės robotų rankos negali atskirti skirtingų detalių, todėl jas reikia iš anksto surūšiuoti ir sutvarkyti. AI integravimas į robotų valdymo sistemas leidžia jiems atpažinti ir paimti įvairias detales iš nesurūšiuotos dėžės ir tiksliai padėti jas ten, kur jos turi būti.

Padarius robotą protingesnį, šios rūšies varginančias “pick-and-place” operacijas ekonomiškai efektyvūs robotai gali atlikti visiškai automatiškai. Žinoma, prieš išlaisvinant šias protingas robotines ginklas, jos turi būti apmokytos. Kaip skaitmeninė įmonė, gamykla gali naudoti fizika pagrįstus modeliavimus ir “Digital Twin”, kad virtualiai apmokytų dalių atpažinimo, rinkimo ir išdėstymo algoritmus. Sintetiniai treniruočių duomenys generuojami ir ženklinami automatiškai, padidinant greitį ir sumažinant pastangas, reikalingas robotų ginkloms treniruoti.

Gamybos ląstelė, kurioje yra robotai, kuriuos AI įgalina pasirinkti ir sudėti dalis.

Siemens ekspertas kolegai nurodo digital twin PCB gamybos proceso dvynį ekrane.

Using AI to enhance precision and efficiency

More sensitive processes can also be automated by giving the robotics manual dexterity like that of a human hand. Integrating force and torque sensors into the end effector of an AI-controlled robotic arm enables it to precisely sense and adjust the force it is using to manipulate an object. This is crucial for processes involving delicate and small parts, such as components of a printed circuit board (PCB). In fact, the robotic arms handling such delicate tasks may require the same “Fingerspitzengefühl” as that of a surgeon stitching up a wound!

At the Siemens Electronics Factory at Erlangen, the production of PCBs involves the fitting of wired electronic components through tiny holes in the substrate, called through hole technology (THT). THT involves very sensitive and delicate parts being plugged into very small holes in the PCB, often mere tenths of a millimeter in diameter. AI enables robotics to handle the components gently, ensuring they are placed accurately and secured without incurring damage. All in all, the automation of such a delicate task increases the quality of the process and frees human workers from the tedium and poor ergonomics associated with such a task.

In addition to the immediate benefits of AI, such as increased production quality and reduced cost, the addition of AI into the shop floor environment has also contributed to the sustainability of the factory. The increased precision and accuracy of the automated THT fitting process reduces scrap and thus wasted material and energy, making the factory more efficient overall. Since the intelligent robotics no longer require pre-sorted parts, the plastic inlays that were once required to organize sorted parts have become obsolete. The result is the elimination of thousands of plastic parts that ultimately end up as waste.

The future for sustainable digital enterprises

A digital enterprise can leverage AI and the vast quantities of data generated every day to identify and act on opportunities for decarbonization, reducing resource usage, recycling and more, across both internal processes and global supply chains. The decisions made in product design, for instance, account for 80% of the environmental impact of a product that makes it to the real world — in other words, waste is no more than a design flaw. A sustainable digital enterprise can use a combination of the comprehensive Digital Twin, data and AI to understand the relative sustainability costs of various design decisions, optimizing for efficient performance, material usage and recyclability.

In production, AI may help optimize production schedules to match demand, identify opportunities for energy efficiency and like in Erlangen, vastly improve production quality and reduce scrap and material waste. And, perhaps most importantly, AI can become a powerful tool in the management of elaborate global supply chains, helping companies select suppliers and build logistics systems based on cost, quality and sustainability. As we continue to evolve and expand the capabilities of a sustainable digital enterprise, facilities like the Siemens Electronics Factory at Erlangen offer a crucial proving ground for technologies and solutions that can help customers transform to overcome the challenges of today and tomorrow.

A Siemens expert points out a Digital Twin of a product on a screen to a colleague.<br/>